книги / Российский журнал биомеханики. 2012, т. 16, 1
.pdfО двух модификациях метода наименьших квадратов в задаче восстановления информации видеоанализа
Рис. 1. Крепление акселерометра |
Рис. 2. Модель звена конечности |
В качестве точек O1 и O2 выберем точки крепления маркеров на концах звена. Место крепления и ориентация датчика ускорений в общем случае неизвестны.
Обозначим через A центр чувствительной массы акселерометра. Зададим положение точки A расстоянием l от O1 и углом β между отрезками O1O2 и O1A.
Рассмотрим одну из двух осей чувствительности акселерометра. Ориентацию оси зададим углом α её отклонения от перпендикуляра к O1O2. Длина l и углы α и β – неизвестные параметры системы. Выражение для проекции ускорения точки A на ось чувствительности акселерометра запишем из теоремы о сложении ускорений при плоскопараллельном движении [10]
aa lsin( ) 2 lcos( ) sin ( x1cos y1sin ) cos ( x1sin y1 cos ). (1)
Показания акселерометра по выбранной оси в силу конструкции не совпадают
свеличинами ускорений aa . Хотя схема работы современных акселерометров и сложна
стехнической точки зрения, принципиально механизм их функционирования описывается как движение «грузика на пружине» [4] (рис. 3).
Запишем уравнение движения чувствительной массы акселерометра в проекции на ось чувствительности:
aa gcos( ) f ,
где f – удельная сила упругости, которая измеряется прибором.
Учтем несовершенство прибора, добавив мультипликативную (1 ) и аддитивную aошибки. Показания акселерометра имеют вид
f (1 ) f a (1 ) aa gcos( ) a.
Рис. 3. Принципиальная схема функционирования акселерометра
ISSN 1812-5123. Российский журнал биомеханики. 2012. Т. 16, № 1 (55): 89–101 |
91 |
А.Н. Бобылев, Ю.В. Болотин, А.В. Воронов, П.А. Кручинин
Ошибка масштаба (1 )содержит также компоненты, связанные с тем, что ось датчика не лежит в плоскости движения вследствие неточности крепежа. Величины, вообще говоря, не постоянны, они меняются, например, в зависимости от температуры. Эти изменения происходят достаточно медленно, и на промежутках времени эксперимента в дальнейшем мы будем ими пренебрегать.
Учтем также эффект рассинхронизации по времени снятия показаний акселерометра и системы видеоанализа. Введем параметр запаздывания регистрации показаний акселерометра s :
f(t s) (1 ) aa(t) gcos( (t)) a .
Витоге выражение, связывающее показания акселерометра и системы видеоанализа, имеет вид
f (t s) (1 )lsin( ) 2(t) (1 )lcos( ) (t) |
|
|
(1 )sin x1(t)cos (y1(t) g)sin |
|
(2) |
(1 )cos x1(t)sin (y1(t) g)cos a. |
|
|
ЗАДАЧА ИДЕНТИФИКАЦИИ |
|
|
Соотношение (2) содержит постоянные величины a, , |
l, , , |
s , значения |
которых неизвестны, и их определение с использованием стандартных способов антропометрических измерений затруднено. В связи с этим, как и ранее в работе [6], необходимо использовать методы идентификации неизвестных параметров.
Будем считать s малым по сравнению с характерным временем совершаемого
движения и представим |
f (t s) в левой |
части (2) в виде двух первых членов |
разложения в ряд Тейлора |
f (t s) f (t) s |
f (t). Получим |
f (t) X1 2(t) X2 (t) X3 x1 |
(t)cos (y1(t) g)sin |
|
|
|
(3) |
X4 x1(t)sin (y1(t) g)cos X5 X6 f (t).
Вуравнении (3) введены обозначения для комбинаций неизвестных параметров
a, , l, , , s :
X1 (1 )lsin( ),
X2 (1 )lcos( ),
X3 (1 )sin ,
X4 (1 )cos ,
X5 a,
X6 s .
Соотношение (3) можно представить уравнением относительно неизвестных компонент вектора X (X1,X2,X3,X4,X5,X6)T . Производные от измеренных величин в этом случае вычисляются по конечноразностным соотношениям. Соотношения вида (3), записанные для всех моментов времени tj ( j 1, ,N0), при которых измеряемые величины не содержат сбоев, образуют переопределенную систему уравнений
AX B, |
(4) |
92 |
ISSN 1812-5123. Российский журнал биомеханики. 2012. Т. 16, № 1 (55): 89–101 |
О двух модификациях метода наименьших квадратов в задаче восстановления информации видеоанализа
где B ( f (t ),..., f (t |
N0 |
))T , а компоненты A |
матрицы A задаются соотношениями |
|||||
1 |
|
|
|
|
|
ij |
|
|
|
|
|
A |
2(t |
j |
), |
|
|
|
|
|
1j |
|
|
|
|
|
|
|
|
A2 j |
(tj ), |
|
|||
|
|
|
A3 j |
x1(tj )cos (tj ) (y1(tj ) g)sin (tj ), |
||||
|
|
|
A4 j |
x1(tj )sin (tj ) (y1(tj ) g)cos (tj ), |
||||
|
|
|
A5 j |
1, |
|
|
|
|
|
|
|
A |
f (t |
j |
). |
|
|
|
|
|
6 j |
|
|
|
|
|
Здесь |
(tj ), |
f (tj) |
– измерения, приписанные программным обеспечением |
|||||
системы съема информации к моменту времени tj . |
||||||||
Задача получения из (4) значения |
X решается модифицированным методом |
наименьших квадратов [8, 14] и подробно рассмотрена для аналогичной задачи в [6].
|
ЗАДАЧА ВОССТАНОВЛЕНИЯ УТЕРЯННЫХ ЗНАЧЕНИЙ УГЛОВ |
|
|
Для |
решения задачи |
восстановления утерянных значений угла также |
|
используем |
уравнение (3), |
которое в данном случае применяем |
для участков |
с неполной информацией, |
где неизвестны координаты маркера в точке O2, |
||
а следовательно, и угол . |
Значения комбинаций параметров Xi |
получены на |
|
предшествующем этапе идентификации. |
|
Рассмотрим два варианта процедуры восстановления утерянной информации системы видеоанализа. Первый из них использует традиционный подход нерекуррентного метода наименьших квадратов, аналогично работам [6, 7]; второй – процедуру калмановского сглаживания [14].
Использование неитерационного метода наименьших квадратов
|
|
Сведение задачи восстановления утерянных значений углов к решению системы |
|||||||||||||||||||||||||||||
линейных |
уравнений вида |
|
|
Ax B |
|
|
ранее было подробно описано в работах [6, 7]. |
||||||||||||||||||||||||
Повторим здесь вкратце основные этапы этой процедуры. |
|
||||||||||||||||||||||||||||||
|
|
Будем считать, что утеряна информация, полученная системой в моменты |
|||||||||||||||||||||||||||||
времени |
ti (i 1, ,N). |
|
Обозначим |
, |
|
|
|
|
и представим в каждый момент |
||||||||||||||||||||||
времени , , в виде суммы априорной оценки, |
обозначенной индексом a, и малой |
||||||||||||||||||||||||||||||
поправки: |
|
a |
|
|
, |
a |
, |
|
|
|
a |
|
|
. Проведем линеаризацию уравнения (3) |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
по |
|
, , |
|
. Получим |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
c (t) |
|
|
c (t) c (t) |
|
b(t), |
(5) |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
2 |
|
|
|
|
3 |
|
|
|
||
где обозначения |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
c1(t) X3(x1(t)sin a (y1(t) g)cos a) X4(x1(t)cos a (y1(t) g)sin a), |
|||||||||||||||||||||||||||||
|
|
c2(t) 2 a X1, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
c3(t) X2, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
b(t) f (t) 2 X |
1 |
|
a |
X |
2 |
X |
3 |
(x (t)cos |
a |
(y |
(t) g)sin |
) |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
a |
|
|
|
|
|
|
1 |
|
|
|
|
1 |
|
a |
|
|||||||
|
|
|
|
|
X4(x1(t)sin a |
(y1(t) g)cos a) X5 |
|
|
|
|
ISSN 1812-5123. Российский журнал биомеханики. 2012. Т. 16, № 1 (55): 89–101 |
93 |
А.Н. Бобылев, Ю.В. Болотин, А.В. Воронов, П.А. Кручинин
являются известными функциями измеряемых величин x1(t), y1(t),
идентифицированных параметров Xi и задаваемой пользователем априорной оценки
a(t). Уравнение (5) записывается для моментов времени ti (i 1, ,N), в которые
производится извлечение информации. Для вычисления производных от значений ошибок будем использовать разностные приближения
|
|
(t ) ( |
|
(t |
|
) |
|
(t ))/ , |
|
|
|
||||||
|
|
i |
|
i 1 |
|
|
i |
|
|
|
|
||||||
|
|
(t ) ( |
|
(t |
) 2 |
|
(t |
) |
|
(t |
))/ 2. |
||||||
|
|
i |
|
i 1 |
|
|
|
i |
|
i 1 |
|
Подставляя разностные соотношения в уравнение (5), составим систему уравнений
q1i (ti 1) q2i (ti) q3i (ti 1) b(ti ), |
i 1, ,N, |
(6) |
где
q1i c3(ti)/ 2,
q2i c1(ti ) c2(ti)/ 2c3(ti )/ 2, q3i c2(ti)/ c3(ti)/ 2.
Здесь величины (t0), (tN 1) можно получить, используя полученные из
показаний системы видеоанализа значения угла в моменты времени до и после интервала восстановления.
Проведем все описанные выше рассуждения для второй оси чувствительности акселерометра. Получим уравнения, аналогичные (6):
r1i (ti 1) r2i (ti) r3i (ti 1) d(ti ), |
i 1, ,N. |
(7) |
Таким образом, создана система из 2n линейных уравнений вида (6), (7) с N неизвестными (t1),..., (tN ). В матричном виде она имеет вид
|
|
|
|
|
|
Aex Be, |
|
|
|
|
(8) |
|
где |
|
|
|
|
|
|
|
|
|
|
|
|
q |
21 |
q |
0 |
0 |
0 |
|
... |
|
0 |
|
||
|
|
31 |
q32 |
0 |
0 |
|
... |
|
0 |
|
||
q12 |
q22 |
|
|
|
||||||||
|
0 |
q |
q |
23 |
q |
0 |
|
... |
|
0 |
|
|
|
|
|
13 |
|
33 |
|
|
|
|
|
|
|
|
|
|
|
|
|
... |
|
|
|
|
|
|
|
0 |
... |
0 |
0 |
q |
q |
2N 1 |
q |
|
|
||
|
0 |
... |
0 |
0 |
1N 1 |
|
3N 1 |
|||||
|
0 |
q |
q |
|
|
|||||||
A |
r |
|
r |
0 |
0 |
0 |
|
1N |
|
2N |
, |
|
e |
|
|
... |
|
0 |
|
||||||
|
21 |
31 |
|
|
|
|
|
|
|
|
||
r |
r |
r |
|
0 |
0 |
|
... |
|
0 |
|
||
|
12 |
22 |
32 |
r33 |
0 |
|
... |
|
0 |
|
||
|
|
|
r13 |
r23 |
|
|
|
|||||
|
|
|
|
|
|
... |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r1N 1 |
r2N 1 |
|
|
|||
|
0 |
... |
0 |
0 |
r3N 1 |
|||||||
|
0 |
... |
0 |
0 |
0 |
|
r |
r |
|
|
||
|
|
|
|
|
|
|
|
|
1N |
2N |
|
94 |
ISSN 1812-5123. Российский журнал биомеханики. 2012. Т. 16, № 1 (55): 89–101 |
О двух модификациях метода наименьших квадратов в задаче восстановления информации видеоанализа
|
(t1) |
|
|
||
x |
|
... |
|
, |
|
|
|
|
|||
|
|
|
|
|
|
|
|
(tN ) |
|
|
|
b(t1) q11 (t0) |
|
b(t2)
|
... |
|
b(tN 1)
|
b(t |
|
|
) q |
|
|
|
(t |
|
) |
||||
B |
|
N |
|
3N |
|
|
|
|
N 1 |
|
. |
|||
e |
|
d(t1) r11 (t0) |
|
|
||||||||||
|
|
|
|
|
|
d(t2) |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
... |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
d(tN 1) |
|
|
|
|
||||
|
|
|
|
|
|
(t |
|
) |
|
|||||
|
d(t |
N |
) r |
|
|
|
N 1 |
|
||||||
|
|
|
|
|
3N |
|
|
|
|
|
||||
Систему (8) решим методом наименьших квадратов [8, 14]: |
||||||||||||||
|
~ |
|
|
T |
Ae) |
1 |
|
|
T |
Be. |
|
|||
|
x (Ae |
|
|
|
Ae |
|
||||||||
Тем самым вычислим оценку |
в моменты времени ti (i 1, ,N): |
(ti ) a(ti) (ti).
Для повышения точности применяется итерационная процедура. На первом шаге в качестве априорной оценки на интервале восстановления [ti,tN ]используются значения линейной функции времени:
a(t) ( (tN 1) (t0))(t t0)/(tN 1 t0) (t0).
На каждом следующем интервале в качестве «априорных» значений принимаются значения, полученные на предыдущем шаге.
Отметим, что изложенный алгоритм может быть применен в случае, когда рассматривается только одна из осей чувствительности акселерометра. Для этого в матрицах A и B нужно оставить только первые либо последние N строки.
Использование калмановского сглаживания
Другой алгоритм восстановления угла по показаниям акселерометра основывается на процедуре сглаживания с помощью фильтрации Р. Калмана [14]. Для использования этой процедуры необходимо свести задачу восстановления к задаче оценивания вида
xn 1 nxn B n,
zn Hnxn rn.
Здесь xn – дискретный вектор состояния; n и rn – возмущение и погрешность измерений, моделируемые дискретным белым шумом; zn – измерения; n и Hn –
известные матрицы. В этом случае решение задачи возможно с помощью сглаживающего алгоритма, основанного на методе фильтра Калмана [1, 14].
ISSN 1812-5123. Российский журнал биомеханики. 2012. Т. 16, № 1 (55): 89–101 |
95 |
А.Н. Бобылев, Ю.В. Болотин, А.В. Воронов, П.А. Кручинин
Сделаем предположение о гладкости решения, аналогичное тем, которые принимаются при сглаживании сигналов для поиска случайного поля [9, 12],
2
n 1 n n, где n – дискретный белый шум. Интенсивность шума является
параметром задачи. Используя конечноразностные соотношения, получим уравнения, связывающие значения углов, угловых скоростей и ускорений в n-й и (n + 1)-й моменты времени:
(tn 1) (tn) (tn) (tn) 2 / 2,(tn 1) (tn) (tn) ,
(tn 1) (tn) n,
где – шаг дискретизации системы. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
Введем обозначение |
x(t) ( (t), (t), (t))T . |
Здесь x |
|
– значение |
вектора x |
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
в моменты времени t |
n |
; |
x ( (t |
|
), (t |
n |
), (t |
n |
))T . Тогда x |
|
|
|
x |
|
B |
n |
, где |
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
n |
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
n 1 |
|
|
n n |
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
2 /2 |
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
0 1 |
|
|
|
|
|
, |
B 0 . |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
Для получения формализованного измерения zn Hnxn rn представим правую |
|||||||||||||||||||||||||||||||||||||||||
часть уравнения (3), записанного для первой оси |
|
чувствительности |
акселерометра, |
||||||||||||||||||||||||||||||||||||||||
в виде функции |
f1 f1(x). |
В качестве приближенного значения функции |
f1 в точке |
||||||||||||||||||||||||||||||||||||||||
x x |
n |
используем разложение в априорной точке x xa |
: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
f (x ) f (xa) H |
n1 |
(x xa), |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
n |
|
1 |
n |
|
|
|
|
n |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
T |
a1n1, |
an21, an31, an41 , |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
где Hn1 |
f1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
x |
|
a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
x xn |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
an11 X3 x1(tn)sin( (tn)) (y1(tn) g)cos( (tn))) |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
X4 x1(tn)cos( (tn)) (y1(tn) g)sin( (tn))) , |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
a2 |
|
2X (t |
n |
), |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
n1 |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
a3 |
|
X |
2 |
, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
a4 |
|
1. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
«Измерениями» следует считать |
z |
n1 |
H |
|
xa |
f (xa) H |
|
x |
|
r |
|
и аналогично |
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n1 n |
|
1 |
n |
|
|
n1 n |
|
n1 |
|
|
|
|
|||||||||
для второй |
оси |
чувствительности акселерометра |
z |
n2 |
|
H |
n2 |
xa |
f |
2 |
(xa) H |
x |
r |
. |
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
rn1, |
|
|
rn2 |
|
|
|
|
|
|
|
|
n |
|
|
|
n |
|
n2 n |
n2 |
|
||||||
Ковариации |
случайных процессов |
|
|
|
|
|
|
типа |
белого шума, |
|
моделирующих |
случайную ошибку измерений акселерометра, задаются величиной r . Априорная точка xna является результатом этапа прогноза в методе фильтра Калмана [1, 14].
96 |
ISSN 1812-5123. Российский журнал биомеханики. 2012. Т. 16, № 1 (55): 89–101 |
О двух модификациях метода наименьших квадратов в задаче восстановления информации видеоанализа
Суммируя все вышесказанное, получаем следующую формальную задачу:
x |
x B |
, |
M[ |
|
m |
] 2 |
nm |
, |
|
n 1 |
n n |
n |
|
n |
|
|
|
zn Hnxn rn, |
|
|
|
|
|
2 |
|
|||||||
M[rnrmT ] |
|
r |
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
1 |
|
|
2 / 2 |
|
|
0 |
|
|||||
|
|
|
0 |
1 |
|
|
|
B |
|
|
0 |
|
, |
|
n |
|
, |
|
|
||||||||||
|
|
|
0 |
|
0 |
|
1 |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
1 |
|
2 |
|
3 |
4 |
T |
|
|
|
|
Hn an1 |
|
an1 |
|
an1 |
an1 , |
|
|
|||||||
|
|
|
a1 |
|
a2 |
|
a3 |
a4 |
|
|
|
|
|
|
|
|
|
n2 |
|
n2 |
|
n2 |
n2 |
|
|
|
|||
z |
n |
(z |
n1 |
z |
n2 |
)T , |
r (r r |
)T . |
|
|
||||
|
|
|
|
|
n |
n1 |
n2 |
|
|
|
|
2 nm ,
r
Для построения оценки с минимальной дисперсией ошибки применяется алгоритм фильтра Калмана в прямом и обратном времени. Начальные и конечные значения вектора состояния x и ковариационной матрицы P задаются исходя из значений до и после интервалавосстановления, полученныхпо показаниям измерительныхсистем
x ( |
, , |
)T , |
|
|
||||
0 |
0 |
|
0 |
0 |
|
|
|
|
xN ( N , N , N ), |
|
|
||||||
|
|
|
p1 |
0 |
0 |
|
||
P P |
|
|
0 |
p |
0 |
. |
||
0 |
N |
|
|
0 |
2 |
p |
|
|
|
|
|
|
0 |
|
|||
~ |
|
|
|
|
|
3 |
|
|
и, |
соответственно, N применяется алгоритм |
|||||||
Для получения оценки xN |
оптимального сглаживания на фиксированном интервале в соответствии с [1, 14].
ПРОВЕРКА ЭФФЕКТИВНОСТИ РЕШЕНИЯ ЗАДАЧИ ВОССТАНОВЛЕНИЯ
Разработанные алгоритмы опробованы на результатах обследования, проведенного в Государственном научном центре «Институте медико-биологических проблем Российской академии наук». На латеральные проекции центров вращения в суставах правой нижней конечности обследуемого были наклеены светоотражающие элементы (катафоты). Испытуемый совершал движения (типа приседания), записываемые видеокамерой системы видеоанализа «Видеоанализ–2D» с одновременной регистрацией показаний двухкомпонентного акселерометра из комплекта измерительной биомеханической аппаратуры MuscleLab 4000e фирмы Ergotest (Норвегия), размещенного на голени, как показано на рис. 1.
Частота кадров видеозаписи – 50 Гц. Частота снятия показаний акселерометра – 100 Гц. Для удобства дальнейших вычислений частота записи акселерометра снижается путем выбора только четных измерений.
Проведено три записи по шесть-семь приседаний для одного обследуемого. По результатам измерений вычислялись значения координат маркеров. Показания системы видеоанализа и акселерометра для одной из записей представлены на рис. 4.
Анализ структуры сигнала акселерометра позволил выявить значительную колебательную составляющую частоты ~10 Гц, вероятнее всего являющуюся следствием мышечного тремора. Для того чтобы минимизировать погрешность, вызванную влиянием тремора и ошибкой дискретизации данных, было произведено предварительное сглаживание сигнала акселерометра окном Ханна шириной 1 с [11]. Ширина окна обусловлена характерными частотами движения обследуемого 0,2–0,5 Гц.
ISSN 1812-5123. Российский журнал биомеханики. 2012. Т. 16, № 1 (55): 89–101 |
97 |
А.Н. Бобылев, Ю.В. Болотин, А.В. Воронов, П.А. Кручинин
Рис. 4. Пример показаний системы видеоанализа и акселерометра
Для каждой из осей чувствительности акселерометра производилась идентификация неизвестных параметров в соответствии с изложенным ранее алгоритмом.
Анализ зависимости результатов идентификации от длительности участка идентификации показал, что участок длительностью 5 с, сравнимый с временем полного приседания, позволяет достаточно хорошо идентифицировать неизвестные компоненты вектора X в том смысле, что увеличение длины этого участка до большей продолжительности приводит к изменению оценок компонент X на 5%. При увеличении длины интервала свыше 15 с число обусловленности для решаемой задачи не изменяется.
Полученные идентифицированные параметры далее использовались в задаче восстановления. На рис. 5 представлены графики результатов постановления и ошибок для характерного интервала. Параметры фильтра Калмана в результате подбора
принимались равными 100 радс2, r 10 мс2.
В процедуре восстановления с использованием метода наименьших квадратов производилось две итерации. Начиная со второй итерации, порядок величины среднеквадратичного отклонения остается неизменным и равен 10–6 рад, поэтому достаточно выполнить всего две итерации.
График зависимости среднеквадратичной ошибки восстановления от длины интервала восстановления при фиксированном левом конце представлен на рис. 6.
98 |
ISSN 1812-5123. Российский журнал биомеханики. 2012. Т. 16, № 1 (55): 89–101 |
О двух модификациях метода наименьших квадратов в задаче восстановления информации видеоанализа
Рис. 5. Результаты восстановления на интервале (6,5–8,5) и соответствующая ошибка для алгоритмов с использованием метода наименьших квадратов (МНК) и фильтра Калмана
Рис. 6. Зависимости среднеквадратичной ошибки восстановления от длины интервала. Обозначения – см. рис. 5
Как видно, порядок погрешности восстановления сохраняется при увеличении интервала до нескольких секунд.
Всреднем среднеквадратичное значение ошибки восстановления для интервала
в1 с для метода наименьших квадратов составило 1,06·10–3 рад, а для процедуры сглаживания – 1,27·10–3 рад. Изменения среднеквадратичного значения ошибки от записи к записи не наблюдалось.
ISSN 1812-5123. Российский журнал биомеханики. 2012. Т. 16, № 1 (55): 89–101 |
99 |
А.Н. Бобылев, Ю.В. Болотин, А.В. Воронов, П.А. Кручинин
Результат калмановского сглаживания не всегда оказывается точнее алгоритма с использованием метода наименьших квадратов. Тем не менее порядок ошибки для обоих методов совпадает, и точность восстановления оказалась приемлемой, так как для системы видеоанализа приборная погрешность определения угла ~1°.
ЗАКЛЮЧЕНИЕ
Рассмотрена задача восстановления показаний системы видеоанализа, когда в качестве дополнительной информации используются измерения двухкомпонентного датчика линейных ускорений. Обсуждаются два алгоритма восстановления: первый основан на методе наименьших квадратов, второй – на калмановском сглаживании. Обязательной процедурой является идентификация параметров модели.
В случае применения метода наименьших квадратов использование нескольких итераций позволяет существенно повысить точность восстановления. При этом на экспериментальных данных ошибка восстановления в среднем оказалась в пределах точности измерений системы видеоанализа.
Дискретный фильтр Калмана учитывает условия гладкости, вычислительно упрощает процедуру восстановления и позволит в дальнейшем эффективно использовать метод стохастических мер оцениваемости [1] при решении более сложных практических задач. Однако при этом нетривиальным является подбор ковариаций шумов, участвующих в модели движения, и измерений, что затрудняет решение задачи. Следует отметить, что эти ковариации остаются неизменными для всех тестов, проводимых одновременно, их подбор можно осуществить на тестовом движении, проводимом в начале серии обследований.
БЛАГОДАРНОСТИ
Работа выполнена при частичной поддержке РФФИ (грант 09–01–00809).
СПИСОК ЛИТЕРАТУРЫ
1.Александров В.В., Болтянский В.Г., Лемак С.С., Парусников Н.А., Тихомиров В.М. Оптимальное управление движением. – М.: Физматлит, 2005. – 367 с.
2.Бобылев А.Н., Воронов А.В., Кручинин П.А. Восстановление утерянных показаний системы видеоанализа движений с использованием измерений акселерометра // Всерос. конф. по биомеханике «Биомеханика 2010»: тез. докл. – Саратов: Изд-во СГУ, 2010. – С. 46–47.
3.Воронов А.В. История биомеханической видеосъемки // http://www.biosoftvideo.ru/history/ – сайт фирмы разработчика-производителя системы видеоанализа.
4.Ишлинский А.Ю. Прикладные задачи механики.– М.: Наука, 1986. – Т. 2. – 331 с.
5.Кручинин П.А., Мишанов А.Ю. Использование математических моделей движения человека при обработке измерительной информации в биомеханике // Физика и радиоэлектроника в медицине и экологии. ФРЭМЭ 2008: докл. 8-й междунар. науч.-техн. конф. – Владимир, 2008. – Кн. 1. – C. 259–262.
6.Кручинин П.А., Мишанов А.Ю. Меры оцениваемости в задаче восстановления показаний системы видеоанализа движений человека по измерениям нормальной реакции опоры // Российский журнал биомеханики. – 2008. – Т. 12, № 3. – C. 58–73.
7.Кручинин П.А., Мишанов А.Ю., Саенко Д.Г. О возможностях совместной обработки показаний системы видеоанализа движений и стабилографической платформы // Математическое моделирование движений человека в норме и при некоторых видах патологии. – М.: Изд-во мех.-мат. фак. МГУ, 2005. – C. 28–53.
8.Лоусон Ч., Хенсон Р. Численное решение задач метода наименьших квадратов. – М.: Наука, 1986. – 232 с.
9.Степанов О.А., Блажнов Б.А., Кошаев Д.А. Исследование эффективности использования спутниковых измерений при определении ускорения силы тяжести на летательном аппарате // Гироскопия и навигация. – 2002. – № 3. – C. 33–45.
10.Тарг С.М. Краткий курс теоретической механики. – М.: Высш. шк., 1986. – 416 с.
11.Хемминг Р.В. Цифровые фильтры. – М.: Советское радио, 1987. – 221 с.
100 |
ISSN 1812-5123. Российский журнал биомеханики. 2012. Т. 16, № 1 (55): 89–101 |